正則表達式來清理XML

我必須處理有時包含非轉義＆的XML數據，並且我無法讓生產者將其轉義爲&或放入CDATA部分。正則表達式來清理XML

現在我正在尋找一個正則表達式來替換&和& amp;如果它不是一個實體的一部分。例如：&（？！（amp | lt |））

不幸的是，我的編程環境只支持「擴展的POSIX 1003.2正則表達式」（見http://www.kernel.org/doc/man-pages/online/pages/man7/regex.7.html），它似乎缺少not操作符「！」需要在這裏。

任何想法如何制定必要的正則表達式？

正確的「XML-ish」響應將通過驗證程序運行，並拒絕爲「未正確形成的XML」。令人遺憾的是，XML的設計者不允許這樣的事實，即在現實世界中，我們有時不得不忍受糟糕的輸入並使用它。 – Spudley 2010-12-16 10:03:26

@Spudley：我實際上是通過驗證器來運行XML文件的。多數民衆贊成我是如何注意到畸形的部分。不幸的是，其產生無效XML的Microsoft產品和他們的「標準」似乎意味着「可選」。 – 2010-12-16 10:20:26

呵呵。微軟呃？這個數字。（越來越遠離主題，因爲商業支持是管理層爲購買微軟而經常付出的理由，所以我想知道MS是否準備爲您解決這個問題？當然不是。 – Spudley 2010-12-16 10:32:18

橫向思維：將所有&替換爲&amp，然後用&apos（例如）替換全部&apos（etc）？您可以使用一組捕捉到的部分被放回 - &(apos)

2010-12-16 10:03:30

而是尋找的東西，匹配你可以搜索的東西不匹配產生積極的正則表達式負正則表達式，類似的：

! ... &(?(amp|apos|quot|lt|gt);)

我沒有讀過你鏈接的整個頁面，但我很確定它應該是可能的。

2010-12-16 10:06:45 Pit

回答